1С:Распознавание речи — голосовой ввод и автоматическая расшифровка аудио

«1С:Распознавание речи» — облачный сервис и локальный механизм для преобразования речи в текст. Его можно встроить в приложения на платформе «1С:Предприятие 8» и использовать в повседневной работе: диктовать письма и комментарии, расшифровывать записи встреч и звонков, а также управлять отдельными функциями программы голосом.

Сервис помогает сократить ручной ввод и ускорить работу с информацией. Сотрудник может надиктовать длинный текст, пока занят другими задачами, или внести его голосом с мобильного устройства. Для компаний это также возможность автоматизировать обработку аудиозаписей и добавить голосовые сценарии в собственные решения на 1С.

Для каких задач подходит

Распознавание речи можно использовать в разных рабочих процессах:

• Диктовка текстов. Голосом можно вводить содержание электронных писем, задач, комментариев и документов. Например, в «1С:Документообороте 3.0» поддерживается диктовка писем, задач, отчетов и резолюций, а также голосовой подбор адресатов.
• Расшифровка звонков и совещаний. Готовую аудиозапись можно отправить на обработку и получить текст для дальнейшего анализа или работы с документами. Качество результата зависит от записи: для удобного разделения реплик собеседников лучше использовать отдельные аудиоканалы.
• Голосовое управление. В прикладном решении можно настроить команды для открытия форм, поиска информации, построения отчетов и заполнения реквизитов.
• Автоматизация общения с клиентами. Механизм может применяться в голосовых системах самообслуживания, роботизированных звонках, опросах и речевой аналитике.
• Доступные интерфейсы. Голосовой ввод помогает создавать дополнительные способы взаимодействия с программой, в том числе для пользователей с ограниченными возможностями.

Два режима работы

Сервис поддерживает потоковое и файловое распознавание.

Потоковый режим подходит для диктовки и голосового управления. Аудио передается в процессе речи, а приложение получает распознанный текст по мере обработки. В облачном режиме продолжительность одной сессии ограничена двумя часами; при локальном распознавании ограничения по длительности сеанса нет. Для потоковой обработки можно передать дополнительную грамматику — например, список фамилий, товаров или компаний. Это помогает системе увереннее распознавать специфичные для бизнеса слова.

Файловый режим предназначен для записей, которые уже готовы к обработке: например, аудио совещания или разговора с клиентом. После отправки файла сервис возвращает идентификатор задачи, по которому позднее можно получить результат. Время обработки зависит от длительности аудио и текущей загрузки сервиса. Результат может включать разделение текста по спикерам — это удобно при расшифровке интервью, опросов и встреч.

Для файлового распознавания принимаются WAV (signed 16 bit little-endian) и Opus в контейнере OGG с частотой дискретизации от 8 до 48 кГц. Максимальный размер файла — 1 ГБ, продолжительность — до четырёх часов. Готовый результат доступен для скачивания в течение семи дней. Многоканальные записи обрабатываются по каналам, каждый канал тарифицируется отдельно.

Сейчас поддерживаются русский и английский языки. Состав доступных языков может расширяться.

Облако или локальная обработка

В облачном режиме распознавание выполняется на стороне сервиса, поэтому не создаёт дополнительной нагрузки на оборудование пользователя. Такой вариант может упростить запуск обработки, особенно если нужно работать с большим объёмом аудио. Облачная модель постоянно развивается; новые улучшения сначала появляются в этом режиме.

При локальном распознавании используется скачанная модель, а аудиоданные не отправляются в облако. Этот вариант может подойти, если для организации важно хранить записи внутри своей инфраструктуры. Для локальной работы потребуется подходящее оборудование: на 64-разрядной системе рекомендуется процессор уровня Intel Core i5 или AMD Ryzen 5 и выше, а также от 12 ГБ оперативной памяти. На 32-разрядной платформе рекомендуется от 4 ГБ памяти, при этом качество распознавания может быть ниже. Использование локального режима не тарифицируется.

Встраивание в решения 1С и стоимость

Механизмы распознавания доступны из встроенного языка платформы «1С:Предприятие» версии 8.3.23 и выше. Их можно внедрять в пользовательские приложения на 1С; сама программа должна находиться на официальной поддержке. Для знакомства с возможностями доступно демонстрационное приложение с примерами потоковой и файловой обработки.

Например, сервис 1С:Распознавание речи уже встроен в продукт «ИИ + База знаний», разработанный в нашей компании. Посмотреть его можно на этом сайте https://knowcorp.ru

В облаке стоимость зависит от типа распознавания и длительности аудио. Потоковая обработка тарифицируется блоками по 20 секунд: учитываются как полные, так и неполные блоки. Для файлов единица тарификации соответствует четырём секундам распознавания, а списание также происходит блоками по 20 секунд аудио. В локальном режиме плата за распознавание не взимается.

Заказать подключение